Outil de Frequence des Mots

1. 1

   Ajoutez votre texte

   Collez-le dans la zone, ou déposez un fichier .txt, .md, .csv, .tsv, .log, .json, .srt ou .vtt. Les textes courts sont comptés au fil de la frappe ; les documents longs et les fichiers sont comptés quand vous appuyez sur Analyser. Rien n'est téléversé.

2. 2

   Choisissez mots ou expressions

   Un mot donne la liste de fréquences classique. Deux, trois ou quatre mots donnent la fréquence des expressions — la vue qui révèle la formulation répétée, pas seulement le vocabulaire répété.

3. 3

   Réglez les filtres

   Désactivez les mots vides pour voir la liste brute, ou laissez-les actifs pour faire remonter les mots porteurs de sens. Augmentez la longueur minimale pour écarter les jetons courts, augmentez les occurrences minimales pour masquer ce qui n'apparaît qu'une fois, et cherchez dans les résultats pour isoler un terme.

4. 4

   Lisez la colonne densité

   La densité est la part de ce terme dans tout ce qui a été compté. Pour les expressions, le dénominateur est le nombre de positions d'expression, pas le nombre de mots : une densité de deux mots est donc directement comparable à une autre densité de deux mots.

5. 5

   Exportez

   Téléchargez le CSV pour un tableur, le JSON pour que les réglages soient consignés avec les comptes, ou le texte brut à coller ailleurs. L'export contient toutes les lignes admises par vos filtres, pas seulement celles à l'écran.

Un tableau de fréquences ne vaut que par sa définition du mot ; celle-ci est donc écrite noir sur blanc plutôt que cachée dans une expression régulière que personne ne lit. Un mot est une suite de lettres, de chiffres et de marques combinantes. Une apostrophe ou un trait d'union relie deux suites en un seul mot lorsqu'un caractère de mot suit, si bien que aujourd'hui, l'école, bien-connu et arc-en-ciel forment chacun une entrée unique, tandis que des chiens' laisse son apostrophe hors du compte et fin--début reste deux mots.

Les règles, en entier

• Lettres et marques voyagent ensemble. Les matras dévanagari, les harakat arabes, les niqqud hébreux et les accents latins décomposés font partie du mot auquel ils s'attachent, ce ne sont pas des séparateurs. Un compteur qui les traite comme de la ponctuation présente हिन्दी en trois fragments.
• Les nombres sont optionnels. Désactivez-les et 2026, 1 200 et v1.2 cessent de produire des entrées, ce qui convient à un manuscrit et pas du tout à un fichier journal.
• La casse est optionnelle. Désactivée par défaut : Le et le forment un seul mot. Activez-la et les compteurs au-dessus du tableau suivent — mots uniques et diversité sont recalculés, ils ne restent pas sur la réponse insensible à la casse.
• Rien n'est racinisé. courir, court et courant font trois entrées. La racinisation dépend de la langue et se trompe assez souvent sur les noms et les termes techniques pour qu'une supposition silencieuse vaille moins qu'une séparation honnête.
• Une phrase se termine par un signe suivi d'un espace. Un point entre des chiffres ou dans un domaine ne termine pas une phrase : 3.14 et example.com restent entiers, ce qui compte puisque les expressions ne franchissent jamais une fin de phrase.

La fréquence des mots isolés révèle le vocabulaire répété. La fréquence des expressions révèle l'écriture répétée, qui est en général ce que vous vouliez vraiment savoir. Réglez la longueur d'expression sur deux et une page qui dit améliorez votre flux de travail onze fois cesse de se cacher derrière onze comptes d'apparence anodine de améliorez, votre et flux.

Deux règles qui rendent le tableau honnête

• Une expression ne franchit jamais une fin de phrase ni un retour à la ligne. « …terminez le rapport. L'étape suivante… » ne peut pas produire rapport l', parce que personne ne l'a écrit. Tous les compteurs d'expressions en ligne examinés pendant cette reconstruction font glisser leur fenêtre sur tout le document et produisent bel et bien de telles expressions : c'est du bruit en haut du tableau, et plus les phrases sont courtes, plus il y en a.
• Avec les mots vides actifs, une expression n'est retirée que si elle commence ou finit par l'un d'eux. Les mots vides internes sont conservés : coup de main, point de vue et fin de non-recevoir restent au tableau tandis que de la et dans un le quittent. Une règle qui écarterait toute expression contenant un mot vide supprimerait les trois.

Chaque ligne porte une densité : la part de ce terme dans tout ce qui a été compté, en pourcentage. Pour les mots isolés, le dénominateur est le nombre de mots. Pour les expressions, c'est le nombre de positions d'expression, un chiffre plus petit : une densité de deux mots est donc comparable à une autre densité de deux mots, pas à celle d'un mot isolé. L'outil tient la comptabilité ; l'interprétation est la part à traiter avec soin.

La lire sans se raconter d'histoires

• Il n'existe pas de densité correcte. Aucun moteur de recherche ne publie de cible et aucun seuil ne sépare la bonne écriture de la mauvaise. Un chiffre n'a de sens qu'à côté d'une comparaison : la même page avant une révision, ou une page qui se positionne déjà sur la même requête.
• Un mot isolé au-dessus d'environ 4 à 5 % en prose ordinaire signale généralement une répétition que le lecteur va remarquer, pas une optimisation. Lisez les phrases avant de changer quoi que ce soit : la correction consiste normalement à réécrire un paragraphe, pas à supprimer des occurrences.
• Les documents longs diluent tout. Un terme à 0,4 % dans une page de 5 000 mots peut être bien plus saillant qu'un terme à 2 % dans une page de 200, parce que la saillance tient autant à la place qu'à la proportion.
• Comparez ce qui est comparable. Activez les mots vides avant de comparer deux documents, sinon la comparaison mesure surtout lequel a employé le plus d'articles.

Les mots vides sont ceux dont une langue ne peut pas se passer et dont un tableau de fréquences ne peut rien faire : articles, pronoms, auxiliaires, copules, prépositions et conjonctions courantes. Ils occupent le sommet de toute liste non filtrée, dans toutes les langues, et c'est pourquoi le filtre est actif par défaut.

Ici les listes couvrent réellement la classe fermée au lieu de l'échantillonner — 226 entrées en anglais, 172 en allemand, 154 en espagnol, 151 en français, 141 en portugais et 118 en indonésien — et chaque contraction figure sous ses deux formes d'apostrophe, parce que tous les traitements de texte produisent l'apostrophe typographique et qu'une liste ne contenant que la forme ASCII échouerait silencieusement sur tout texte qui en sort. Les mots porteurs de sens ne figurent jamais sur une liste, si fréquents soient-ils : temps, gens et travail ont un sens et ont leur place dans votre tableau.

Désactivez-les quand

• Vous étudiez le style plutôt que le sujet. Les taux de mots fonctionnels sont la base de presque tout le travail d'attribution d'auteur et de lisibilité, et les filtrer supprime le signal.
• Le texte n'est pas de la prose — du code, des journaux, des colonnes de CSV, des fichiers de sous-titres. Une liste conçue pour une langue ne fait rien d'utile à une colonne d'identifiants.
• Vous travaillez dans une langue que le sélecteur ne couvre pas. Choisissez Aucune plutôt que de filtrer avec la liste d'une autre langue, ce qui retire quelques mots sans rapport et donne l'illusion d'avoir fonctionné.

Parce que la répétition est invisible de l'intérieur. Qui écrit a relu chaque phrase une douzaine de fois et n'entend plus le mot employé à chaque page ; qui relit une page d'atterrissage ne sait pas si une formule se lit comme une insistance ou comme du remplissage. Un tableau de fréquences est l'avis extérieur le moins cher qui soit.

Ce à quoi il sert

• Repérer un tic. Tout le monde en a un. Triez par fréquence avec les mots vides actifs : il est en général dans les dix premières lignes.
• Comparer des versions. Exportez un tableau par révision et comparez-les dans un tableur : ce qui a monté, ce qui a baissé, ce qui a disparu.
• Esquisser un équilibre de mots-clés. Ce n'est pas un suivi de position et cela ne le remplace pas, mais cela répond à la question de savoir si une page parle bien de ce que vous croyez.
• Lire un corpus que vous n'avez pas écrit. Pages concurrentes, réponses d'enquête, tickets de support, transcriptions. Les quarante premiers termes sont un résumé que vous n'avez pas eu à lire.
• Enseigner. Le tableau rend visibles la tokenisation, la loi de Zipf et le rapport type-occurrence en une dizaine de secondes, sur le texte de la classe.

Six compteurs surmontent les résultats et chacun répond à une question différente. Tous proviennent du même passage que le tableau : ils ne peuvent donc pas le contredire — y compris avec la casse activée, où l'outil remplacé continuait d'afficher la réponse insensible à la casse.

• Mots. Tous les jetons comptés, filtres non appliqués. La taille de ce que vous regardez.
• Uniques. Entrées distinctes, en respectant le réglage de casse. Avec le nombre précédent, c'est le vocabulaire.
• Phrases. Limites trouvées par la règle qu'utilise le comptage d'expressions, si bien que les deux ne peuvent pas diverger.
• Apparaissent une fois. Le compte des hapax. Une part élevée signale un vocabulaire varié ou beaucoup de noms propres ; une part faible, un document qui se répète.
• Diversité. Uniques divisé par total, le rapport type-occurrence. Utile entre textes de longueur voisine et trompeur entre textes très différents, car il baisse quand le document s'allonge.
• Filtrés. Occurrences retirées par vos filtres actuels, recherche comprise. C'est l'écart entre ce qui a été compté et ce que vous regardez, et il bouge dès qu'un filtre bouge.

Passes de relecture, travail SEO léger, résumés de recherche, démonstrations en cours, et tout moment où vous avez un document sans savoir ce qu'il contient.

• Avant une relecture. Repérez d'abord les mots et expressions répétés, puis relisez avec une liste sous les yeux plutôt qu'au jugé.
• Après une réécriture. Exportez avant et après ; l'écart dit si la réécriture a changé le vocabulaire ou seulement les phrases.
• Sur la page d'un concurrent. Collez le texte et lisez les expressions de quatre mots. C'est le moyen le plus rapide de voir la structure choisie par quelqu'un d'autre.
• Sur des transcriptions et des sous-titres. Déposez le .srt ou le .vtt directement. Les horodatages et les numéros de séquence sont comptés pour ce qu'ils sont — des nombres — et désactiver les nombres les enlève d'un clic.
• Sur des journaux. Les premiers termes d'un .log sont ses messages récurrents, un tri grossier réalisable avant même d'ouvrir un lecteur de journaux.

Quatre habitudes qui font la différence entre un tableau et une réponse.

• Regardez la vue expressions avant la vue mots. Les mots isolés sont plus bruités et la répétition intéressante fait en général deux ou trois mots.
• Mettez les occurrences minimales à deux avant toute conclusion. Tout ce qui n'apparaît qu'une fois est du vocabulaire, pas un motif, et sur un long document c'est l'essentiel du tableau.
• Conservez le texte brut. Les filtres changent ce que vous voyez, jamais ce que vous avez, mais un document révisé en lisant un tableau filtré s'élague facilement de trop.
• Exportez en JSON si vous comptez comparer plus tard. Le fichier consigne les réglages et les totaux avec les lignes, et deux tableaux produits avec des réglages différents ne sont pas comparables, si semblables soient-ils.

Un document de 10 Mo est compté en environ un dixième de seconde et un document de 25 Mo en environ un quart, expressions comprises, sur un ordinateur portable de milieu de gamme — hors du fil de l'interface, si bien que la frappe ne saccade jamais pendant le travail.

Tout s'exécute sur votre appareil : le plafond est donc votre appareil et non un téléversement — 25 Mo par document avec l'offre gratuite, et davantage avec Pro, dans la limite de la mémoire dont dispose votre navigateur. Les fichiers sont lus comme du texte : .txt, .md, .csv, .tsv, .log, .json, .srt et .vtt. Les formats qui sont en réalité des conteneurs sont refusés au moment où vous les choisissez, avec un lien vers l'outil qui en extrait le texte, parce qu'un .docx lu comme du texte produit un tableau de fragments de balisage qui ressemble exactement à une vraie réponse.

Ce qu'il ne fait pas

• Pas de racinisation ni de lemmatisation. Les formes sont comptées telles qu'elles sont écrites.
• Pas de segmentation des mots pour le chinois, le japonais ou le thaï. Le tableau est honnête sur ce qu'il a mesuré, mais des suites de caractères ne sont pas des mots dans ces écritures.
• Pas d'étiquetage grammatical : une liste de mots vides ne peut pas distinguer le que pronom du que conjonction.
• Pas de regroupement sémantique. Les synonymes forment des entrées séparées, car décider que deux mots veulent dire la même chose est un jugement, pas un comptage.

• Compteur de mots
• Analyseur de texte
• Extracteur de mots-clés
• Test de lisibilité
• Statistiques de texte
• Supprimer les doublons
• Trier les lignes
• Découper le texte
• Nettoyer les espaces
• Changer la casse
• Fusionner des textes
• Word en texte
• Image en texte
• Voix en texte